vLLM KVCache 분석
vLLM 설정
- 환경 변수
PYTHONHASHSEED=<int>
- 첫 번째 요청의 부모 hash 값을 만들 때 사용됩니다.
- 설정하지 않으면 랜덤 값이 설정되어 cache hit를 계산할 수 없습니다.
- Scheduler
--enable-chunked-prefill
- Cache
--enable-prefix-caching
--block-size <size>
- 1, 8, 16, 32, 64, 128 중에 선택할 수 있습니다.
--prefix-caching-hash-algo builtin
- hash 알고리즘을 지정합니다.
builtin
: pythonhash
함수를 사용합니다.sha256
sha256_cbor_64bit
- vLLM
--kv-events-config <configJson>
enable_kv_cache_events: true
publisher: zmq
endpoint: tcp://<host>:<port>
topic: <topic>
--kv-transfer-config '{"<option>": "<value>", ...}'
<option>
kv_connector: <KVConnectorBaseV1Impl>
- KVConnector 구현체를 지정합니다.
- e.g.
NixlConnector
,MultiConnector
kv_role: <role>
kv_producer
,kv_consumer
,kv_both
중 하나를 지정합니다.
kv_connector_module_path: <module>
- vllm에 포함되지 않은 KVConnector 구현체를 사용할 경우, 해당 모듈의 경로를 지정합니다.
- e.g.
lmcache.integration.vllm.lmcache_connector_v1
KVConnectorBase_V1
Reference
하나의 vLLM은 아래와 같이 구성되어 있습니다.
Worker
start_load_kv()
- 불러올 KVCache가 있는 경우 KVCache를 불러오기 시작합니다.
- 두 가지 구현방식이 있습니다.
- 한 번에 모든 layer의 KVCache를 불러오기
- 비동기적으로 불러오면서
wait_for_layer_load()
를 통해 각 layer가 실행되기 전에 완료될 때까지 대기
wait_for_layer_load()
- 해당 layer의 KVCache가 불러와졌는지 확인합니다.
start_load_kv()
에서 모든 layer의 KVCache를 불러오는 구현인 경우, 구현하지 않아도 됩니다.
save_kv_layer()
- 해당 layer의 KVCache를 저장합니다.
- 오프로딩하지 않거나
wait_for_save()
에서 한 번에 모든 layer를 저장하는 구현인 경우, 구현하지 않아도 됩니다.
wait_for_save()
- 모든 layer의 KVCache가 저장될 때까지 대기합니다.
- 오프로딩하지 않는 경우, 구현하지 않아도 됩니다.
- 구현하는 경우 두 가지 구현방식이 있습니다.
save_kv_layer()
호출 시 비동기적으로 저장하기 시작하고 모든 layer가 저장될 때까지 대기- 한 번에 모든 layer의 KVCache를 저장하기
Prefill
경고
호출하지만 KVCache 흐름에 영향을 미치지 않는 함수들은 표시하지 않았습니다. 필요 없는 부분을 생략하는 과정에서 순서 파악이 잘못되었을 수 있습니다.
가정은 아래와 같습니다.
- LMCacheConnector를 사용합니다.
- NixlConnector를 사용합니다.
- prefix cache를 사용합니다.
update_state_after_alloc()
: request, blocks(cached_blocks + new_blocks
), num_external_cached_tokens이 KVConnector에 전달됩니다.num_new_tokens
:num_input_tokens - num_local_cached_tokens - num_external_cached_tokens
free_blocks()
: block.ref_cnt가 0인 경우 free_block_queue에 추가합니 다.